[发明专利]口音识别方法、装置、计算机装置及计算机可读存储介质

说明书

一种口音识别方法，包括：对待识别语音信号进行预处理；检测预处理后的所述待识别语音信号中的有效语音；对所述有效语音提取梅尔频率倒谱系数MFCC特征参数；根据所述MFCC特征参数，利用预先训练好的高斯混合模型‑通用背景模型GMM‑UBM提取所述有效语音的身份矢量iVector；根据所述iVector计算所述待识别语音信号对给定口音的判决得分，根据所述判决得分得到所述待识别语音信号的口音识别结果。本发明还提供一种口音识别装置、计算机装置及计算机可读存储介质。本发明可以实现快速准确的口音识别。

技术领域

本发明计算机听觉技术领域，具体涉及一种口音识别方法及装置、计算机装置和计算机可读存储介质。

背景技术

随着各类智能身份认证的不断出现和落地应用，诸如人脸识别、声纹识别已经获得了较为成熟的发展，但识别的准确性依然有提升的空间，诸如在声纹识别方向仍然可找到突破点以得到更为准确的识别结果，口音因素就是一个。由于说话人所生活的地域不同，即使在都讲普通话的情况下或多或少依然会有口音的差别，若能在现有的声纹识别中加入口音识别作为补充，应用场景将会有进一步的扩展，最为直接的应用为在声纹识别前识别出该说话人所处地域的范围，进而缩小后续识别的对象范围。然而，现有的口音识别效果并不理想，识别速度较慢且准确度不高。

发明内容

鉴于以上内容，有必要提出一种口音识别方法及装置、计算机装置和计算机可读存储介质，其可以实现快速准确的口音识别。

本申请的第一方面提供一种口音识别方法，所述方法包括：

对待识别语音信号进行预处理；

检测预处理后的所述待识别语音信号中的有效语音；

对所述有效语音提取梅尔频率倒谱系数MFCC特征参数；

根据所述MFCC特征参数，利用预先训练好的高斯混合模型-通用背景模型GMM-UBM提取所述有效语音的身份矢量iVector；

根据所述iVector计算所述待识别语音信号对给定口音的判决得分，根据所述判决得分得到所述待识别语音信号的口音识别结果。

另一种可能的实现方式中，所述检测预处理后的所述待识别语音信号中的有效语音包括：

对预处理后的所述待识别语音信号进行加窗分帧，得到所述待识别语音信号的语音帧；

对所述语音帧进行离散傅里叶变换，得到所述语音帧的频谱；

根据所述语音帧的频谱计算各个频带的累计能量；

对所述各个频带的累计能量进行对数运算，得到所述各个频带的累计能量对数值；

将所述各个频带的累计能量对数值与预设阈值进行比较，得到所述有效语音。

另一种可能的实现方式中，所述MFCC特征参数包括初始MFCC特征参数、一阶差分MFCC特征参数和二阶差分MFCC特征参数。

另一种可能的实现方式中，所述方法还包括：

对所述iVector进行噪声补偿。

另一种可能的实现方式中，所述根据所述iVector计算所述待识别语音信号对给定口音的判决得分包括：

将所述iVector输入逻辑回归模型，得到所述待识别语音信号对给定口音的判决得分。

另一种可能的实现方式中，所述对所述有效语音提取梅尔频率倒谱系数MFCC特征参数包括：

采用双线性变换低通滤波器截止频率的映射公式，计算对齐不同说话人平均第三共振峰的频率弯折因子；